Metodbevispost
Multivariate Pattern Analysis
Multivariate Pattern Analysis (MVPA) is a machine learning approach to fMRI that decodes cognitive states, stimuli, or behavior from whole-brain spatial patterns of neural activity. Pioneered by Haxby and colleagues in 2001, MVPA treats fMRI as a classification problem: can a trained decoder predict what a person is perceiving or thinking based solely on their brain activity pattern?
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
Multivariate Pattern Analysis (MVPA)
Taxonomisk metodpost · process-pipeline / neuroimaging
- Norman, K. A., Polyn, S. M., Detre, G. J., & Haxby, J. V. (2006). Beyond mind-reading: multi-voxel pattern analysis of fMRI data. Trends in Cognitive Sciences, 10(9), 424–430. · DOI 10.1016/j.tics.2006.07.005
- Haxby, J. V., Gobbini, M. I., Furey, M. L., et al. (2001). Distributed and overlapping representations of faces and objects in ventral temporal cortex. Science, 293(5539), 2425–2430. · DOI 10.1126/science.1063736
Kuraterade påståenden
Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.
Inga kuraterade påståenden ännu
Denna vy hittar inte på en påståendebedömning när loggen saknar en.
Relaterade metoder
Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.